Metadatenschema und Ontologiemodell für die Aufnahme und Prozessierung von 3D-Modellen des Kulturellen Erbes

Abgeschlossen
In das Mesh fließen Infos vom gesamten Scannprozess ein. Vanessa Liebler für das i3mainz, CC BY SA 4.0

Aus einer Reihe von Digitalisierungsprojekten am i3mainz entstand der Bedarf an der standardkonformen Bereitstellung von Metadaten für Digitalisate.

Motivation

Für die Einschätzung der Qualität einer digitalen Kopie von Objekten des kulturellen Erbes ist die lückenlose, maschinen- und menschenlesbare Beschreibung der Erfassungs- und Datenaufbereitungsprozesse zentral. Daher erarbeiten Mitarbeiterinnen und Mitarbeiter von i3mainz und RGZM projektübergreifend ein Metadatenschema und ein Ontologiemodell für die 3D-Erfassung und Daten-Prozessierung.

Aktivitäten

Ausgehend von der Expertise und den Arbeiten in den Projekten ARS3D, Haft Tappeh und Grabdenkmäler entwickelten Mitarbeiterinnen und Mitarbeiter des i3mainz und des RGZM Lösungen für die technischen Metadaten, die bei dem Einsatz eines Streifenlichtprojektors der Firma GOM (a ZEISS company) und der dazugehörigen Scan- und Prozessierungssoftware entstehen.

Die GOM Software bietet über eine Python-API, also eine Programmierschnittstelle, die Möglichkeit, auf technische Metadaten zuzugreifen. Auf diese Weise gelangt man an Informationen, wie die Größe des kalibrierten Messvolumens, Einstellungen bei der Prozessierung der Einzelmessungen oder Residuen der Transformationen (Abweichungswerte). Sowohl für die GOM Software Professional 2016 als auch für eine Vorgängersoftware ATOS entstanden Pythonskipte, die alle Informationen auslesen und strukturieren. In einer parallel entwickelten Ontologie erfolgte die Beschreibung der einzelnen Metadaten und das Mapping auf bestehende Standards. Die Ontologie vereinheitlicht die Beschreibung der Beziehungen zwischen den Qualitätsparametern. Der Export der technischen Metadaten erfolgt in den Dateiformaten JSON und TTL.

Resultate

Zur Kontrolle der erzeugten Metadaten im TTL-Format und dem aufgesetzten Metadatenschema wurde eine prototypische SPARQL-Datenbank aufgesetzt, in der die TTLs aus unterschiedlichen Dokumentationsprojekten importiert wurden. Mittels Queries konnte die Korrektheit der importierten Informationen über die verwendeten Sensoren, Anzahl der Scans, Auflösung etc. in der Datenbank validiert werden. Ziel war es, neben der Vereinheitlichung der Metadaten ebenfalls eine Datenbasis für zukünftige Qualitätsanalysen auf Scandaten bereitzustellen.

Im Projektjahr 2021 wurde die Ontologie und die exportierten Metadaten in den Datenformaten JSON und TTL angepasst, Anwendungsbeispiele der Ontologie aufbereitet und auf Zenodo publiziert, die Python Software für die Generierung der Metadaten auf Github releast und der Gesamtprozess einer Metadatengenerierung in einer Publikation im Heritage Science Journal ausführlich dokumentiert.